世界模型预测STL监控评估RL策略偏移

Qurban Ali等作者提交预印本，用闭环世界模型推演加三模型集成，对冻结的Ant-v5和HalfCheetah-v5强化学习运动策略做预测性信号时序逻辑（STL）监控。论文称，在外力、观测噪声和质量偏移下，预测鲁棒性对HalfCheetah未来STL违规的排序较强；但集成分歧不能可靠反映观测预测误差或违规，用分歧惩罚预测鲁棒性也未稳定改善排序。 严重噪声下违规仍常见：三个PPO种子、K=20时为64.2±24.4%；而不做预测、仅用当前状态鲁棒性的AUROC只差0.03。Ant提供逐条规范的补充证据，但其复合目标无正违规，多数种子-条件切片中“任一违规”目标为单类。该论文被CoRL 2026的Modeling Uncertainty in Robotic World Models Workshop接收，属预印本，非独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。